作为一种稳定的人格变量,感觉寻求因其对风险决策与风险行为显著的预测作用而被研究者们所关注。然而,目前对感觉寻求的测量仍以传统纸笔测验形式为主,而由于纸笔测验存在的不足,如测验焦虑与曝光效应等,限制了感觉寻求的应用范围,也使研究者开始关注新的针对感觉寻求的建模方法。本研究采用基于游戏的评估(game based assessment)对感觉寻求进行建模。具体来讲,就是根据个体在游戏中的行为表现对感觉寻求进行预测。为此,我们选择了"松鼠吃松鼠,Squirrel eat squirrel"进行研究。在游戏中,被试通过控制自己的松鼠去吃更小的松鼠并躲避被更大的松鼠吃掉,通过在游戏中植入埋点,当玩家在游戏过程中触发事件或做出相关动作时由后台数据库记录相应数据。本研究假设,个体在游戏中的游戏时长和行进距离等行为表现能够预测个体的感觉寻求水平。54名大学生被试在填写感觉寻求量表(Brief Sensation-Seeking Scale)之后进行数据采集,其中有43名被试的游戏最好成绩高于15分,满足数据处理所要求的条件。首先,采用偏相关法对特征进行选择,结果表明,在控制游戏经验与游戏体验之后,被试的游戏时长和行进距离与感觉寻求之间存在负相关,这表明感觉寻求水平越高的被试在游戏中的活动范围更小;另一方面,失败情况下面积差异与边长差异则与感觉寻求正相关,这表明感觉寻求水平越高的被试在游戏中越倾向于吃与其面积相似的松鼠(表现得更冒险)。接下来,以被试在上述游戏中的行为指标为自变量,以被试在感觉寻求量表上的得分按平均值高低分组并以此二分变量为因变量,采用随机森林分类器(Random Forest Classifier)算法进行分类数据建模,留一交叉验证(Leave one out cross validation)的结果表明该模型的预测准确率达到了76.74%。这说明,基于游戏行为指标建立的感觉寻求预测模型具有较好的预测效果。